基于DEA-Tobit模型的花生種植戶生產效率及其影響因素分析

周曙東　張冬

摘要：基于2016年全國17個省份花生生產農戶的調查數據，運用數據包絡分析（DEA）模型測算花生種植戶的生產效率，并使用Tobit模型對影響花生種植戶生產效率的因素進行分析。結果發現，花生種植戶生產效率普遍較低，且不同農戶之間生產效率差異較大;已種花生年數、播種面積、是否為科技示范戶、家中是否接受過農業技術培訓、商品化率均對花生種植戶生產效率具有顯著正向影響;而是否加入花生專業合作社對花生種植戶生產效率具有不顯著正向影響;不同地區之間生產效率存在較明顯差異，黃淮海花生區和長江流域花生區的生產效率處于較高水平。

關鍵詞：花生種植戶;生產效率;影響因素;DEA-Tobit模型

中圖分類號： F323.3? 文獻標志碼： A? 文章編號：1002-1302（2019）03-0283-05

由于全球價值鏈的形成與發展，國家間的分工已經從產業內部分工發展到產品內部的分工，導致國家間的相互聯系越發緊密。在農業領域，各個國家間的農產品進出口量也逐年攀升，國際貿易依賴程度不斷提高，因此，國家糧食安全問題不容忽視。

近年來，隨著我國二孩政策的放開，人口總量將繼續增加。同時，城鎮化進程的加快，居民收入水平的提高，人們對高質量生活的向往和需求，使得植物蛋白等油料消費需求將呈逐漸遞增趨勢。我國目前三大主要油料作物分別是大豆、花生、油菜。《中國農村統計年鑒》的數據顯示，2016年我國大豆產量1 300萬t，總進口量8 391萬t，說明我國對大豆的國際貿易依賴程度比較嚴重;而花生的自給率較高，播種面積和產量也穩步上升，2016年我國花生播種面積為 472.75萬hm2，占全國油料總播種面積的33.44%，比2015年提高了0.55百分點;2016年我國花生產量為1 729萬t，占全國油料總產量的47.64%，比2015年提高了1.16百分點。

花生作為我國擁有競爭優勢的主要農產品之一，理應引起足夠的重視。花生產業的生產環節是提升我國花生產業價值鏈整體競爭力的源頭動力。農戶作為花生生產的主體，其生產效率的高低在很大程度上決定了相應價值增值的能力和程度。王云等指出，在微觀經濟學理論中，生產技術效率描述投入產出選擇實現最佳投入產出的程度，可以反映種植戶生產活動實現收益最大化的程度[1]。因此，對花生生產效率及其影響因素的分析與研究，具有重要的價值和意義。

通過整理以往的文獻發現，現有針對農產品生產效率及影響因素的研究方法主要有參數隨機前沿分析（SFA）方法和非參數數據包絡分析（DEA）方法。有學者利用國家或地區宏觀數據研究生產效率變化，例如，孫林等基于DEA模型分析了1990—2001年我國棉花生產效率的時際和區際變化[2];石會娟等采用DEA模型對河北省蘋果生產效率與全國蘋果生產效率進行了對比分析[3];曾福生等運用SBM-Tobit模型核算了我國2009年糧食生產效率，并對相關顯著影響因素進行了實證分析[4];賀志亮等運用三階段DEA模型實證分析了2012年我國農業生產效率及效率影響因素[5]。也有學者基于農戶微觀數據研究生產效率及其影響因素，例如，陳潛等基于DEA-Tobit模型測算了福建省農戶毛竹生產效率，并進一步對影響毛竹生產效率的因素進行分析[6];肖陽等采用DEA模型測算農戶種植馬鈴薯的生產效率，并利用Tobit模型對影響馬鈴薯生產效率的因素進行分析[7];曾雅婷等采用SFA模型測度農戶糧食生產技術效率，并采用Tobit模型檢驗影響糧食生產技術效率的主要因素[8]。

在我國花生產業生產主體效率的研究方面，大多利用花生投入產出的全國或省級數據，分析年度間花生生產效率的構成及變化。例如，田偉等利用2001—2007年我國11個主要花生產區的投入產出數據，基于非參數Malmquist指數方法對花生的生產效率變動進行分解分析，并運用數據包絡分析方法給出了提高全國花生生產綜合技術效率的改進方案[9];白麗等則采用非參數Malmquist指數的DEA方法對我國1991—2009年期間花生、大豆、油菜及3種糧食作物（水稻、小麥、玉米）的全要素生產率進行測算分析，從作物間和年際間2個角度分析我國花生生產效率水平的變動情況，認為技術進步水平低下直接導致我國花生全要素生產率呈下降趨勢[10]。另外，有學者根據花生種植戶的微觀調查數據研究我國花生生產效率及區域差異。例如，周曙東等選擇隨機前沿生產函數模型分析和識別了2011年全國19個省份花生單產增長及生產技術效率損失的主要影響因素，認為花生種植年數、是否為花生生產示范戶、種植規模、參加培訓的次數和花生商品率對花生的生產效率有顯著的正向影響[11]，但是沒有涉及農戶組織程度對花生生產效率的影響。事實上，花生專業生產合作社在組織農戶規模化和標準化生產經營、提高生產水平以及進入市場程度等方面的作用正日益顯現。

因此，本研究借鑒通用的DEA-Tobit兩階段法分析評估花生種植戶生產效率及其影響因素。在測定花生種植戶生產效率的基礎上，采用刪截數據回歸Tobit模型，以每個決策單元的綜合效率為被解釋變量，以包括是否參加合作社在內的農戶特征為解釋變量，旨在為提高花生生產效率、提升農戶價值增值能力提供政策建議。

1 研究方法與數據來源

1.1 研究方法理論模型

DEA-Tobit兩階段模型是以DEA模型計算出來的各個決策單元的效率值作為被解釋變量，選取生產經營主體特征等影響因素作為解釋變量的方法。

1.1.1 DEA模型 數據包絡分析方法是著名運籌學家Charnes等在1978年發表的論文中提到關于面向投入的規模報酬不變模型后，成為運籌學、管理科學和數理經濟學交叉的新領域[12]。該方法運用線性規劃構建1個非參數逐段線性的生產前沿面，將數據包絡起來，根據每個決策單元（DMU）的輸入輸出數據使用數學規劃模型綜合分析并評價它們的相對有效性。

DEA模型在計算技術效率時根據是否排除規模效率的影響有2種具體模型，一種是假設規模報酬不變（constant returns to scale，簡稱CRS）模型，另一種是規模報酬可變（varible return to scale，簡稱VRS）模型。本研究把每個花生生產農戶看作一個DMU測度花生生產效率，在實地調研中發現，我國農村普遍存在小規模經營現象，可能并未實現最優的經營規模，因此，本研究選擇產出導向的規模報酬可變模型。

設上述對偶規劃的最優解為λ0、IS0、OS0、θ0，若滿足θ0=1，IS0=0，OS0=0，則DMUj0為DEA有效;若θ0=1，IS0和OS0不同時為0，則DMUj0為弱DEA有效;若θ0<0，則DMUj0非DEA有效。

1.1.2 Tobit模型 由于DEA測算出來的效率值在區間[0，1]內，屬于典型的兩端刪截“受限被解釋變量”，若直接使用普通最小二乘法（OLS）估計回歸系數，會導致參數估計得不一致，因此經濟學家Tobin提出了刪截數據回歸模型，即Tobit模型。具體形式如下：

式中：Yi表示DEA模型測算出的效率值;β0表示截距項;xik表示解釋變量;βk表示未知參數向量;εi獨立且服從正態分布，i=1，2，3，…。本研究采用Tobit模型分析花生生產效率的影響因素。

1.2 數據來源

本研究使用的數據均來自國家花生產業體系產業經濟專家組2017年收回的關于反映2016年實際情況的花生種植戶調查問卷。調查范圍包括遼寧、吉林、河北、河南、山東、山西、湖北、湖南、安徽、江蘇、四川、江西、廣東、廣西、貴州、福建、新疆共17個花生生產省份。根據《中國農村統計年鑒2016》的統計數據可知，2016年，全國花生播種總面積為472.75萬hm2，其中這17個省份的花生播種面積占94.89%;全國花生產量為 1 728.98萬t，其中這17個省份的花生產量占96.61%。由此可以看出，調查地區的花生生產具有很好的代表性。

實際調查采取典型調查和問卷調查相結合的方法，在地方農業管理部門、花生站長、主要經營管理者、代表性花生種植戶研討的基礎上，按照先分類再隨機抽樣的方式進行，綜合考慮花生生產大戶及小戶、花生示范戶與非示范戶等，進行入戶訪談和問卷調查。調查內容主要包括花生種植戶家庭基本信息以及2016年花生種植、銷售和成本收益情況。調查過程中共發放問卷562份，收回547份，問卷回收率為97.3%;剔除內容不全、有邏輯錯誤的問卷，有效問卷共489份，有效率為89.4%。

2 花生種植戶生產效率的測算

2.1 投入產出指標體系設計及說明

在花生生產過程中，產出要素用單位面積產量表示，投入要素主要包括土地、物質與服務和勞動力。由于在DEA模型中均以單位面積情況衡量投入產出指標，因此，本研究選取1個產出指標、6個投入指標，未將土地變量納入模型。其中，產出指標是花生平均產量（kg/hm2），投入指標分別是單位面積種子費用（元/hm2）、單位面積肥料投入為農家肥和化肥2部分之和，元/hm2、單位面積農膜費用（元/hm2）、單位面積農藥費用（元/hm2）、單位面積機械作業費用（元/hm2）以及單位面積勞動力投入（工日/hm2），描述性統計如表1所示。

從表1可以看出，花生種植戶之間生產要素投入產出差異較大，其中種子費用最大相差6 000元/hm2，肥料投入最大相差 6 090元/hm2，農膜費用最大相差2 250元/hm2，農藥費用最大相差 2 400元/hm2，機械作業費用最大相差 3 300元/hm2，產量最低只有1 500 kg/hm2，最高達到 7 500 kg/hm2，相差6 000 kg/hm2。調研中發現，很多生產農戶使用自留種或農家肥，因此種子費用或肥料投入為0元。

平均物質與服務總費用投入達到7 210.2元/hm2，其中種子費用和肥料投入的均值最高，約為2 372元/hm2，農膜費用的均值最低，為314.1元/hm2。根據天下糧倉網的統計數據，2016年國內花生平均價格約為8元/kg，因此可大致估算出農戶平均收入約為34 200元/hm2。

2.2 花生種植戶生產效率測算結果及解釋

本研究利用DEAP 2.1軟件測算了489個有效樣本農戶的生產效率值，得到它在各區間上的分布情況。由表2可知，所有有效樣本農戶中，生產效率值最低的樣本為0.245，樣本數為8份;生產效率值最高的樣本為1，樣本數為52份，僅占所有決策單元總數的10.63%，說明這些農戶達到了DEA有效。在生產效率區間分布上，生產效率≥0.9的樣本數占到19.22%，而在0.3以下的占到1.64%，農戶之間生產效率的差異較大。農戶在每個區間上都有分布，生產效率在[0.3，0.4）之間的樣本數占 4.50%，在[0.4，0.5）之間的占1063%，[0.5，0.6）和[0.6，0.7）之間的比例相同，均為1493%，在[0.7，0.8）之間的樣本數最多，達到23.31%，在[0.8，0.9）之間的占比為10.84%。

3 花生種植戶生產效率的影響因素分析

3.1 研究假設及理論分析

本研究基于我國花生生產農戶實際特點和相關研究成果，并結合實地調查數據，主要從農戶生產特征、家中是否接受農業技術培訓、是否加入花生專業合作社、商品化率、地區因素5個角度，分析花生種植戶生產效率的影響因素。其中，花生種植戶的生產特征用已種花生年數、播種面積和是否為科技示范戶3個變量測度。因此，提出以下研究假設。

假設1：已種花生年數對農戶生產效率具有顯著正向影響。

一般來說，花生種植戶種植的時間越長，積累的勞作經驗越豐富，對于花生市場行情的把握和判斷越準確。在花生生產過程中能夠應用生產經營及管理經驗，對于肥料、農藥、農膜等生產資料投入使用的效率較高。因此，假設已種花生年數對提高農戶生產效率有著積極作用。